Créer le squelette technologique pour les cas d’utilisation de l’IA générative pour les clients

L’attention des médias entourant ChatGPT s’est principalement concentrée sur le potentiel de transformation de cette technologie pour réorganiser la nature du travail. Cependant, l’histoire plus large concerne la façon dont l’IA générative va transformer l’expérience client. Une étude de McKinsey révèle que 80 pour cent des tâches client peuvent être automatisées à travers les canaux, ce qui entraîne une économie de 20 pour cent pour le coût de service.

ChatGPT et des outils similaires peuvent être utilisés pour soutenir de nombreux cas d’utilisation, à travers des fonctions commerciales telles que le marketing et les ventes, la chaîne d’approvisionnement, le soutien client, le développement de produits et plus encore. En augmentant la productivité des employés, en permettant une approche proactive et la résolution de problèmes, et en résolvant les points de friction courants, les solutions d’IA générative peuvent aider les équipes à évoluer rapidement les capacités orientées client. Pour atteindre cette vision, cependant, les équipes d’entreprise devront surmonter cinq obstacles différents et déployer deux architectures différentes : une pour les interactions humaines augmentées et une pour les interactions entièrement automatisées.

5 Défis à résoudre pour rendre ChatGPT prêt pour la mise en production

Quels sont donc les obstacles ou les risques pour mettre en œuvre l’IA générative – et comment peuvent-ils être atténués ?

1. ChatGPT ne personnalise pas les messages : Les outils d’IA générative actuels ne peuvent pas personnaliser les messages, alors que la personnalisation est clé pour stimuler les ventes de produits et de services, augmenter les dépenses par achat, obtenir des ventes répétées et améliorer la loyauté client. Les marketeurs ont besoin d’une technologie d’IA générative de classe entreprise pour pouvoir personnaliser les noms, les images, les offres, les recommandations de produits en fonction des achats récents et les messages d’abandon de panier.
2. ChatGPT hallucine du contenu : Les solutions d’IA générative utilisent des invites et exploitent les apprentissages passés pour créer du contenu. Cela signifie qu’elles remplissent les lacunes avec du contenu appris à partir de modèles statistiques, souvent en « hallucinant » des informations qui ne sont pas vraies. Pour exploiter l’IA générative et la mettre à l’échelle sur les segments et les cas d’utilisation client, les entreprises doivent être en mesure d’identifier et de supprimer ce contenu erroné avant qu’il ne parvienne aux utilisateurs et aux approbateurs ou qu’il ne soit distribué aux clients.

3. L’IA générative ne peut pas appliquer les règles commerciales : Les règles commerciales rationalisent les interactions client. Les chatbots IA étroits ont excellé dans la détection de ces similarités et la fourniture de réponses approuvées. L’IA générative ne peut pas détecter ces ressemblances et créera des réponses originales pour répondre à chaque question, créant ainsi une confusion client et introduisant des erreurs dans les interactions. Une architecture technologique de classe entreprise qui combine un outil d’IA générative avec les politiques commerciales prédéfinies de l’entreprise aiderait à normaliser ces réponses, fournissant ainsi des réponses cohérentes à travers les clients.
4. L’IA générative n’est pas en mesure d’assurer la conformité : Le contenu orienté client passe généralement par des examens juridiques pour garantir que les images, le texte, les offres et les promesses sont conformes aux politiques juridiques, réglementaires et client de l’entreprise. Ce processus protège les entreprises contre les mésaventures client, les blâmes et les amendes réglementaires, ainsi que d’autres types de préjudice commercial. L’IA générative ne peut pas créer de contenu conforme, car elle ne comprend pas ces nuances. Par conséquent, la technologie qui utilise l’IA générative doit intégrer des garde-fous juridiques pour identifier et supprimer le contenu non conforme avant qu’il ne soit distribué ou utilisé publiquement.
5. L’utilisation non réglementée de ChatGPT crée des risques de sécurité : L’utilisation de ChatGPT est un cas d’étude fascinant sur ce qui se passe lorsque les individus ne sont pas contrôlés par les politiques de sécurité. Les histoires de médias abondent sur les employés qui saisissent des données sensibles dans ce chatbot accessible au public, risquant ainsi l’exposition des données et la perte de propriété intellectuelle. Les équipes de données et d’IT d’entreprise peuvent atténuer ces problèmes en segmentant les informations : en envoyant du contenu sensible à des chatbots de domaine, qui sont gardés par des contrôles et des systèmes de sécurité, et en routant les demandes générales à ChatGPT.

Évaluation de nouvelles architectures pour l’IA générative

Pour permettre les opérations B2C et B2B humaines augmentées et les opérations B2C entièrement automatisées, les entreprises devront disposer de deux architectures différentes.

Les deux architectures utilisent des outils d’IA générative open source comme ChatGPT et d’autres solutions qui guident les processus à partir de l’invite de saisie ; à la synthèse des données ; à la création, au nettoyage et à la personnalisation du contenu ; et à la gouvernance.

Utilisation de ChatGPT pour rationaliser les interactions B2C/B2B humaines augmentées

Considérons un scénario courant. Un professionnel du marketing saisit une invite dans une interface d’entreprise, en utilisant un questionnaire prédéfini pour guider le développement de contenu, tel qu’une campagne de messagerie électronique.

L’employé saisit les informations clés, y compris les directions de messagerie électronique, le public souhaité, le nom du produit, les allégations marketing et les caractéristiques du produit, ainsi que les instructions d’utilisation.

L’architecture exploite ensuite les personas client pour enrichir les instructions avec des informations qui seront attrayantes pour ce segment, à condition que ces modèles de données soient disponibles. La question améliorée est ensuite envoyée via une API externe à ChatGPT ou à tout autre outil d’IA générative similaire.

Ensuite, un curateur applique les règles commerciales et les garde-fous juridiques pour garantir que le contenu répondra aux normes de l’entreprise et réglementaires. Le professionnel du marketing examinera et approuvera ensuite le courrier électronique résultant avant de l’envoyer à la base de clients.

Utilisation de ChatGPT pour automatiser les interactions B2C

Qu’en est-il des interactions qui peuvent être entièrement automatisées ?

Après qu’un utilisateur a saisi une question, celle-ci est enrichie avec des données de persona client, comme précédemment. Cependant, la requête mise à jour est ensuite acheminée de deux manières : vers un chatbot de domaine qui peut personnaliser les réponses pour le contenu spécifique à l’entreprise ou via une API externe à ChatGPT pour les questions de routine. Le chatbot de domaine personnalise le contenu, tandis que ChatGPT ne le fait pas.

Le contenu résultant est ensuite nettoyé des erreurs et comparé aux règles commerciales et aux garde-fous avant d’être distribué automatiquement aux clients.

Tirer de nouvelles valeurs commerciales de ChatGPT en déployant de nouvelles architectures technologiques

La course est lancée pour générer un retour sur investissement à partir de l’IA générative. Les dirigeants d’entreprise analysent les processus commerciaux pour identifier les coûts et les gaspillages, discutent avec les fournisseurs pour comprendre leur approche et leurs solutions, et développent des preuves de concept. Ils recherchent des informations et des solutions qu’ils peuvent exploiter pour atteindre une vitesse de valorisation et une vitesse de mise à l’échelle.

Alors qu’ils effectuent ce travail important, ces dirigeants peuvent évaluer tous les fournisseurs en fonction de leur capacité à résoudre ces cinq défis d’IA générative courants et à permettre les interactions humaines augmentées et entièrement automatisées.

En utilisant ces deux architectures fondamentales différentes, les entreprises seront en mesure de réaliser de nombreux gains commerciaux. Ils pourront améliorer la productivité de l’équipe, améliorer l’expérience client, réduire les coûts d’interaction de service et stimuler les ventes de nouveaux produits.